Lahan parkir biasanya tersedia pada tempat yang membutuhkan tempat singgah untuk para pengendara seperti perusahaan, mall dan lain-lain.Dengan berkembang pesatnya jumlah kendaraan yang ada, seringkali terjadinya kepenuhan lahan parkir pada suatu tempat yang membuat kendaraan yang ingin parkir, menjadi terhambat dan mengakibatkan kemacetan hingga ke jalan yang merugikan banyak orang lain yang ingin melakukan aktivitasnya. Untuk membantu memberikan informasi mengenai ketersediaan lahan parkir di suatu tempat, mendeteksi kendaraan yang masuk dan parkir di lahan parkir merupakan cara yang efektif agar pengendara lain yang ingin masuk ke lahan parkir mengetahui apakah lahan parkir sudah penuh atau tidak. Hal ini dapat meminimalisir terjadinya kemacetan. Metode yang dipakai dalam melakukan deteksi kendaraan adalah YOLOv7. Tujuan penelitian ini adalah untuk menguji performa dan kemampuan dari YOLOv7 dalam melakukan deteksi objek kendaraan pada lahan parkir. Penelitian ini menggunakan dataset yang diambil dari Kaggle yang berisi 12.416 citra lahan parkir. Dilakukan optimalisasi pada hyperparamater epoch dan learning rate yang diukur berdasarkan mean Average Precision(mAP), serta pengaturan IoU threshold dan Confidence threshold. Selain itu, dilakukan pengujian konsistensi menggunakan metode cross validation pada performa YOLOv7. Hasil dari deteksi diharapkan dapat memberikan informasi mengenai ketersediaan lahan parkir secara akurat dan real-time, sehingga dapat membantu pengendara dalam mencari lahan parkir dan mengurangi kemacetan.